新智元報(bào)道

編輯：艾倫

【新智元導(dǎo)讀】OpenAI的封閉模型在IOI 2025競賽奪金的同時(shí)，英偉達(dá)團(tuán)隊(duì)交出了一份同樣令人振奮的答卷——他們利用完全開源的大模型和全新的GenCluster策略，在IOI 2025競賽中跑出了媲美金牌選手的成績！開源模型首次達(dá)到了IOI金牌水準(zhǔn)。這究竟是怎樣實(shí)現(xiàn)的？

IOI（國際信息學(xué)奧林匹克）是全球中學(xué)生算法編程競賽的最高殿堂，每年只有不到10%選手能拿到金牌。

比賽要求選手在兩天內(nèi)各5小時(shí)獨(dú)立解決3道高難度算法題，全程斷網(wǎng)、不能借助外部資料，每題最多允許50次提交嘗試。

要拿金牌，既要有過硬的算法思維，又得策略得當(dāng)、在有限提交內(nèi)調(diào)優(yōu)代碼。

如此嚴(yán)苛的賽制也成為AI編程能力的試金石。

去年OpenAI曾用專門微調(diào)的o1-ioi模型搭配復(fù)雜的推理策略參賽，但只拿到213分（排名約49%，未達(dá)到銅牌線）。

而今年OpenAI改用通用大模型組合，通過海量生成+自我驗(yàn)證的方法一舉達(dá)成533.29分，排名逼近人類前五、穩(wěn)拿金牌。

這一飛躍展示了大規(guī)模測試時(shí)計(jì)算（TTC，test-time compute，指在模型訓(xùn)練完成之后，實(shí)際用來做推理／生成／回答時(shí)所使用的計(jì)算資源）的威力，也意味著AI已逼近頂尖人類水平。

然而，這些驚人成績大多來自封閉模型，而且具體技巧往往秘而不宣。

相比之下，開源模型雖在Codeforces等公開榜單上進(jìn)步明顯，但總體上仍落后于私有模型的表現(xiàn)。

GenCluster的出現(xiàn)扭轉(zhuǎn)了這一局面。

英偉達(dá)的研究者提出這一可擴(kuò)展測試時(shí)計(jì)算框架，專門提升開源LLM在編程競賽問題上的解題能力。

通過充分利用推理階段的計(jì)算資源，GenCluster讓一個(gè)開源模型（OpenAI發(fā)布的gpt-oss-120b）在IOI 2025題目上首次跑出了446.75分的金牌級(jí)別高分！

他們?cè)谧钚抡撐闹泄_了這一過程的細(xì)節(jié)和代碼，實(shí)現(xiàn)了透明、可復(fù)現(xiàn)的評(píng)測。

下面，我們?cè)敿?xì)看看GenCluster的核心思想和實(shí)現(xiàn)流程。

GenCluster技術(shù)方案

以算力換思路的「四部曲」

GenCluster的理念很直接：用算力彌補(bǔ)思維差距。

既然單次生成代碼往往不靠譜，那就多生成、優(yōu)中選優(yōu)。

GenCluster對(duì)每個(gè)問題（精確到子任務(wù)級(jí)別）執(zhí)行一套 「海選+篩選+比拼+提交」 的流水線流程：

1. 生成候選解：首先，利用大模型并行生成大量不同思路的候選程序代碼。

   相比人類選手絞盡腦汁一次寫出一個(gè)解，GenCluster直接調(diào)用LLM來個(gè)「海量腦暴」。

   論文中使用的gpt-oss-120b模型會(huì)針對(duì)每個(gè)子任務(wù)產(chǎn)生多達(dá)數(shù)千個(gè)候選方案。

   這些代碼風(fēng)格各異、五花八門，相當(dāng)于請(qǐng)出一支「AI解題大軍」，嘗試各種可能的解法。

2. 行為聚類：面對(duì)海量代碼，下一步是篩選歸類。

   GenCluster并非簡單按文本相似度分組，而是關(guān)注程序運(yùn)行行為的相似性。

   具體做法是讓候選程序跑一系列測試用例（既包括公開樣例，也包括模型或人工設(shè)計(jì)的小型測試），根據(jù)它們輸出的結(jié)果模式將程序分成不同簇。

   直觀來說，同一簇內(nèi)的程序「成敗相同」——要么在這些測試上全對(duì)，要么犯類似錯(cuò)誤。

   這樣可將數(shù)千方案歸為若干行為類別，便于后續(xù)處理。

3. 錦標(biāo)賽排名：有了聚類，還需要從中找到最可能正確的方案。

   GenCluster別出心裁地設(shè)計(jì)了一個(gè)「AI 錦標(biāo)賽」環(huán)節(jié)：

   先從每個(gè)簇挑選一個(gè)代表方案（他們發(fā)現(xiàn)「思路最長」（推理步驟最多）的代碼往往更可靠，因此選取每簇中代碼生成時(shí)思維鏈最長的那個(gè)作為代表）；

   然后讓這些代表方案在更多對(duì)抗測試中互相比拼，通過勝負(fù)場次來給簇排序。

   可以理解為每兩個(gè)方案「踢一場比賽」，看誰通過的測試更多，勝者計(jì)分。

   經(jīng)過多輪兩兩對(duì)決，每個(gè)簇都有一個(gè)勝場數(shù)，勝場越多表示該簇方案越可能是正確解。

   最終得到按「實(shí)力」高低排列的簇列表。

   這種LLM自我評(píng)估+行為競賽的排名策略，比簡單按簇大小或投票率排序要精細(xì)得多，尤其適用于多數(shù)候選都不正確的困難場景。

4. 輪轉(zhuǎn)提交：最后進(jìn)入提交策略階段。

   由于比賽每題僅有最多50次提交機(jī)會(huì)，如何挑選并提交方案至關(guān)重要。

   GenCluster采用輪轉(zhuǎn)提交（Round-Robin）的方法兼顧冒險(xiǎn)與穩(wěn)妥：它按照上一步的簇排名依次循環(huán)，從每個(gè)簇取出一個(gè)方案提交評(píng)測，然后再輪到下一簇。

   如此「雨露均沾」，確保不同思路都有機(jī)會(huì)試錯(cuò)，不會(huì)把50次名額浪費(fèi)在一條路上。

   每輪提交后，如果發(fā)現(xiàn)某簇的方案已經(jīng)成功拿滿該子任務(wù)的分?jǐn)?shù)（即找到正確解法），那么該簇剩余方案就不再提交，轉(zhuǎn)而嘗試其他簇的方案。

   另外，GenCluster傾向先攻克難度最高的子任務(wù)，因?yàn)橐坏┠孟伦铍y部分，簡單子任務(wù)往往也迎刃而解。

   這種循環(huán)輪轉(zhuǎn)+及時(shí)止損的策略，大幅提高了在有限提交內(nèi)獲取高分的概率。

經(jīng)過以上四步，GenCluster在模擬真實(shí)比賽環(huán)境下，從茫茫代碼中選出了少量最優(yōu)解提交，從而最大化得分。

整個(gè)流程充分利用了大模型強(qiáng)大的生成多樣性和計(jì)算資源，以「廣撒網(wǎng)+巧收網(wǎng)」的方式彌補(bǔ)單次推理不準(zhǔn)確的不足，可謂「用算力換正確率」的典范。

技術(shù)優(yōu)勢

GenCluster比其他方法強(qiáng)在哪？

GenCluster的核心創(chuàng)新在于大規(guī)模生成+智能篩選。

類似的思路以前也有嘗試，例如AlphaCode系統(tǒng)就曾通過生成上百萬代碼并聚類篩選，達(dá)到Codeforces前54%選手水平。

OpenAI在IOI 2025奪金時(shí)也用了超過1萬個(gè)候選項(xiàng)+聚類+學(xué)習(xí)打分的套路。

但GenCluster將這一思路在開源模型上發(fā)揚(yáng)光大，并引入了更精細(xì)的「行為聚類」和「錦標(biāo)賽」機(jī)制來提升篩選效果。

對(duì)比其他可能的策略，GenCluster顯示出明顯優(yōu)勢：

• 對(duì)比隨機(jī)或簡單規(guī)則：論文實(shí)驗(yàn)讓GenCluster與幾種簡單選擇策略對(duì)比：隨機(jī)挑選方案、按最長推理鏈挑選方案、按最大簇挑選、按多數(shù)投票輸出挑選等。

  結(jié)果表明，GenCluster成績遠(yuǎn)超這些基線方法，隨機(jī)選方案最終總分約300分，按最長推理鏈只有277分，而GenCluster高達(dá)446.75分。
  

  
  

  顯然，在IOI這樣難度極高、正確解稀少的場景下，盲目選或簡單統(tǒng)計(jì)是靠不住的，GenCluster的精細(xì)篩選策略更勝一籌。

• 對(duì)比其他聚類策略：如果僅按簇大小選，假設(shè)「大簇更可能有正確解」，反而效果平平（接近隨機(jī)）。

  這是因?yàn)殄e(cuò)誤解法可能充斥成為大簇；而真正正確的解法往往鳳毛麟角，初始生成時(shí)可能只出現(xiàn)很小的簇。

  多數(shù)投票策略（根據(jù)候選程序在測試上的輸出多數(shù)情況來評(píng)價(jià)簇）在這種高難題上也不理想，當(dāng)絕大多數(shù)程序輸出都是錯(cuò)的，「多數(shù)」并不可靠。

  相比之下，GenCluster的錦標(biāo)賽排名能更有效地區(qū)分出潛在正確簇。

  此外，GenCluster 還通過挑選簇代表的巧思（用思路最長的方案代表簇）進(jìn)一步提高了判斷精度：研究發(fā)現(xiàn)這個(gè)簡單技巧比隨便拿簇中一個(gè)方案當(dāng)代表要好不少。

  這些細(xì)節(jié)設(shè)計(jì)讓 GenCluster 的選擇更有「慧眼」，盡量把50次寶貴提交用在刀刃上。

• 擴(kuò)展性與計(jì)算投入：GenCluster最大的賣點(diǎn)是可擴(kuò)展。它的得分會(huì)隨著生成候選數(shù)量K的增加而提升，并沒有明顯飽和。

  
  

  從K=50一路增加到5000，最后提交得分從332分穩(wěn)步提升到446.75分。

  當(dāng)然，越多候選也增加了篩選難度，但GenCluster的方法能有效在海量方案中挖掘出優(yōu)解，使得投入更多算力就有更高收益。

  這種正相關(guān)的擴(kuò)展性非常關(guān)鍵：意味著只要有足夠計(jì)算資源，開源模型的表現(xiàn)還有進(jìn)一步超越當(dāng)前金牌線的潛力。

GenCluster通過一系列策略巧妙地放大了開源模型的解題能力，彌補(bǔ)了模型本身與頂級(jí)閉源模型的差距。

正如作者所說，這為開源模型在復(fù)雜推理任務(wù)上縮小差距乃至后來居上提供了一條可行路徑。

實(shí)驗(yàn)成果

開源模型首奪IOI金牌

英偉達(dá)團(tuán)隊(duì)在IOI 2025全部題目上驗(yàn)證了GenCluster的威力。

他們選用的gpt-oss-120b是今年OpenAI發(fā)布的開源1200億參數(shù)大型模型，具備強(qiáng)鏈?zhǔn)酵评砟芰Γ⒔?jīng)過英偉達(dá)優(yōu)化可高效運(yùn)行。

實(shí)驗(yàn)讓該模型針對(duì)每個(gè)IOI子任務(wù)生成最多5000個(gè)候選方案，并用GenCluster策略從中選取提交。

結(jié)果令人矚目：在嚴(yán)格遵守50次提交限制的情況下，gpt-oss-120b最終總分達(dá)到446.75分，超過當(dāng)年金牌線 438.30分，相當(dāng)于拿下了一枚IOI金牌！

這是歷史上首次有開源權(quán)重的模型達(dá)到此成績。

值得一提的是，這一分?jǐn)?shù)雖然尚未追上OpenAI宣稱的533.29分（后者借助了多個(gè)專有模型集成），但已經(jīng)非常接近人類金牌選手的水平線。

在2025年的賽場上，排名第六名的人類選手得分也在533分附近，而排名28名（金牌最后一名）為438.3分。

也就是說，GenCluster相當(dāng)于打敗了除頂尖幾位選手外的所有人類。

考慮到它使用的還是開源模型，這個(gè)結(jié)果格外鼓舞人心。

更重要的是，英偉達(dá)提供了透明的實(shí)驗(yàn)細(xì)節(jié)和代碼，方便第三方驗(yàn)證和復(fù)現(xiàn)這套方案。

相比之下，OpenAI等公司的封閉方案由于缺乏公布細(xì)節(jié)，外界很難評(píng)估其中用到了多少計(jì)算資源、哪些特殊技巧。

GenCluster的工作為學(xué)術(shù)界和開源社區(qū)提供了一個(gè)公開的高水平基準(zhǔn)，證明通過開源模型也能達(dá)成過去只有巨頭專有模型才能實(shí)現(xiàn)的成績。

創(chuàng)新意義

開源AI迎來新里程碑

英偉達(dá)GenCluster的成功標(biāo)志著開源AI在頂級(jí)編程競賽領(lǐng)域取得了里程碑式的突破。

以往，封閉大型模型在這類競賽中一騎絕塵，讓人感覺開源方案望塵莫及。

如今，GenCluster 展現(xiàn)出「彎道超車」的可能：只要方法得當(dāng)、資源到位，開源模型也完全有實(shí)力和封閉模型一爭高下。

這樣的案例無疑會(huì)對(duì)AI競賽格局和開源生態(tài)產(chǎn)生深遠(yuǎn)影響：

其一，打開競賽新賽道。

今年IOI專門增設(shè)了AI線上賽道，讓AI系統(tǒng)在與人類相同規(guī)則下參賽。

而隨著像GenCluster這樣的開源方案崛起，未來我們可能看到更多團(tuán)隊(duì)用開源模型參賽，甚至舉辦純粹比拼AI的編程大賽。

在公平可復(fù)現(xiàn)的前提下競技，有助于加速技術(shù)進(jìn)步，也增加了比賽的看點(diǎn)。

其二，促進(jìn)行業(yè)開放與合作。

當(dāng)開源模型憑借透明方法取得佳績，這對(duì)封閉模型路線也是一種鞭策。

OpenAI、DeepMind等或許需要更主動(dòng)地披露其競賽AI的技術(shù)細(xì)節(jié)，或干脆開放部分模型權(quán)重，來回應(yīng)學(xué)術(shù)界和業(yè)界對(duì)可驗(yàn)證性的需求。

同時(shí)，英偉達(dá)此次扮演了「協(xié)同者」角色，一方面與OpenAI合作訓(xùn)練優(yōu)化了gpt-oss-120b等模型，另一方面自己又利用這些開源模型推出創(chuàng)新方案。

可以預(yù)見，跨機(jī)構(gòu)的合作和開源社區(qū)的參與將成為推動(dòng)AI極限挑戰(zhàn)的新動(dòng)力。

其三，降低研究壁壘。

過去，要想在編程挑戰(zhàn)上取得頂尖成績，往往需要調(diào)動(dòng)專有模型和海量計(jì)算，非常昂貴且不可復(fù)現(xiàn)。

現(xiàn)在有了GenCluster提供的開源范例，更多研究者可以基于公開代碼和模型復(fù)現(xiàn)乃至改進(jìn)這個(gè)方法。

這將繁榮該領(lǐng)域的研究，讓算法競賽逐漸成為衡量通用AI的標(biāo)準(zhǔn)基準(zhǔn)。

當(dāng)開源模型不斷刷新紀(jì)錄，意味著學(xué)術(shù)界不必事事仰賴商業(yè)巨頭，也能推動(dòng)前沿進(jìn)展。

當(dāng)然，我們也應(yīng)看到，目前GenCluster達(dá)成金牌仍以巨大計(jì)算開銷為代價(jià)，每題生成上千方案、運(yùn)行上萬次測試，對(duì)算力和工程有相當(dāng)要求。

如何在減少計(jì)算成本的同時(shí)保持高性能，是未來努力方向之一。

此外，開源模型要徹底追上并超越最強(qiáng)的封閉模型，可能還需要在模型架構(gòu)和訓(xùn)練上繼續(xù)改進(jìn)。

但不管怎樣，英偉達(dá)GenCluster已經(jīng)向世人證明：開源選手也能站上AI編程競賽的領(lǐng)獎(jiǎng)臺(tái)。

這一突破無疑為開源AI正名，并將在社區(qū)引發(fā)新一輪關(guān)于「算力vs.算法」「封閉vs.開源」的思考與探索。

在一條形容AI答題的玩笑中，有人說「也許只要給足夠多的猴子足夠多的打字機(jī)，就能寫出完美代碼」。

而GenCluster則用實(shí)踐告訴我們：即便不開「小黑屋」訓(xùn)練專用強(qiáng)大模型，開源AI也能靠聰明地調(diào)動(dòng)「千軍萬碼」來解決最難的題。

開源模型勇奪IOI金牌，不僅是技術(shù)上的勝利，更是理念上的一次勝出。

它象征著開放與共享的力量，正在足以比肩那些神秘莫測的「封閉巨獸」。

展望未來，隨著開源生態(tài)和創(chuàng)新算法的雙輪驅(qū)動(dòng)，我們有理由期待，在更多人工智能的競技場上，都會(huì)出現(xiàn)開源選手登頂?shù)纳碛啊?/p>

參考資料：

https://arxiv.org/abs/2510.14232v1

https://x.com/JacksonAtkinsX/status/1979563525614842156

附錄：英偉達(dá)GenCluster實(shí)戰(zhàn)Prompt